【AIOT从0到1系列】AIOT在数字化转型中的机遇和挑战

目录

引言

为什么 IOT 要结合 AI

数字化转型机遇

什么是企业数字化转型

AIOT 在数字化转型中的作用

面临的挑战

架构挑战

安全风险

安全挑战分析

常见安全问题

如何应对

产业赋能

问题分析

如何应对

算力建设

总结

---

引言

传统的安防市场已经逐渐接近业务成长天花板，因此安防厂商们都在不断试图寻找新的业务突破。而随着 5G 通信技术、AI 人工智能技术、云计算技术、IOT 技术等新一代信息技术的快速发展，不仅为安防厂商们提供了新业务发展的基础技术支撑，同时也打开了更大的业务想象空间。通过新一代信息技术，传统的安防厂商可以借助自身积累的技术优势以及行业经验，打破业务领域边界实现新的业务增长，从而逐渐进入所谓的泛安防时代。但是泛安防时代就是安防厂商的业务终局吗？显然不是，在慕枫看来，企业数字化转型才是 AIOT 发挥业务智能化价值的黄金赛道，也是传统安防厂商实现去安防化，脱胎进化为 AIOT 巨头厂商的业务落脚点。那么对于传统安防厂商来说，AIOT 到底应该怎样和企业数字化相结合才能助力中国企业数字化转型？很多公司都看到了 AIOT 是未来十年重要的战略发展机遇，那么传统安防厂商应该怎样做才能在未来激烈的市场竞争中保有优势，去安防化之后成为 AIOT 头部公司？本文将逐一进行分析并提供可能的解法。

为什么 IOT 要结合 AI

在回答上文问题之前，我们得先搞清楚为什么 IOT 需要结合 AI 才能真正实现业务突破，因为只有理解了背后基础技术融合的底层逻辑，我们才能真正把脉技术发展推进业务突破的必然趋势。

无论是移动互联网或者 IOT 物联网的发展都离不开背后基础支撑技术的进步。4G 通信技术的发展，使得智能手机完成了亿级别人与人之间的互联互通，其本质是实现了人的在线化。而到了 5G 时代，由于通信技术的进一步发展，为实现万亿级别物与物之间的连接提供了网络技术基础，因此实际上 IOT 的本质是实现了物的在线化。

IOT 技术解决了万物互联在线的问题，将物理世界的万物映射到数字世界中，由实向虚，通过各种传感器技术、射频识别技术、空间位置技术等等实现光、电、热、视频、红外、位置等信息的采集，从而实现物物信息的数字化感知。简单理解就是 IOT 设备相当于人的眼、鼻、耳以及皮肤等组织，用于感知外界环境的画面、气味、声音、温度、湿度等信息。

但无论对于 To C 用户还是 To B 用户，万物在线以及信息感知只是实现业务智能化价值万里长征的第一步，并不是最终目的。用户们更加关心万物在线之后能产生怎样的实际业务价值，能不能帮助降低公司运营成本，能不能提高产品生产效率，能不能增强公司产品的竞争力，能不能为自身客户带来更加智能化的用户体验，这些问题才是企业真正关心的，因此设备在线后的数据处理和应用才是发挥 IOT 业务潜力的落地路径。

当万亿规模的设备数据在线后必定会产生海量数据，因此对于海量数据的处理、分析、预测以及沉淀才是真正发挥设备在线后智能化价值的正确方向，而大数据技术、AI 人工智能技术天然需要海量数据进行持续输入喂养。AI 人工智能技术在不同应用场景之下，通过对不同设备在线后的各类历史数据以及实时数据进行深度学习训练，最终能够沉淀出不同应用场景下的 AI 训练模型，通过这些 AI 训练模型可以指导公司排产、为公司产品打造更加个性化的、智能化的服务，从而不断提升产品的核心竞争力。

AIoT 即为 AI+IOT，指的是将人工智能技术（AI）与物联网（IOT）技术相结合，同时在具体业务场景中进行落地应用，最终实现 AI+IOT 1+1 远大于 2 的业务效果。因此如果把 AIOT 比作为一个人的话，IOT 就像相当于人的鼻、眼、耳、皮肤等，用于持续感受外界信息，而 AI 人工智能技术就相当于人的大脑，用于处理信息以及做出决策。同时从 IOT 技术以及 AI 技术的融合发展中，我们可以看得出来出无论是 C 端用户还是 B 端用户，都存在日益增长的数字化以及智能化产品需求。因此我们要以对待 To C 用户的心态来对待 To B 用户，在 AIOT 领域，能否为客户带来业务体验质变，是实现产品智能化价值最大化的关键。

数字化转型机遇

在搞清楚了 IOT 技术与 AI 人工智能技术进行深度融合的底层逻辑之后，我们需要思考通过什么样的业务场景来进行 AIOT 实际落地，或者说它能解决未来什么样的社会变革问题。因为 AIOT 的本质只是技术手段或者工具，那么谁能使用这个工具解决未来 10 年社会生产力变革出现的各种问题，谁就能把握住未来业绩持续增长的主动权。在笔者看来，全国范围的工业、农业以及服务业的数字化转型就是 AIOT 进行落地的最佳业务场景。

什么是企业数字化转型

到底什么是企业数字化转型呢？所谓企业数字化转型，就是企业运用数字化解决方案，借助于 IOT、大数据、云计算以及 AI 人工智能等新一代信息技术，与企业自身管理、业务运营、产品研发、产品生产等经营活动进行深度融合，从而提升自身工业能力，创造智能化增量价值，以达到降低企业运营成本、为客户创造智能化用户体验以及不断提升自身产品核心竞争力的目的。

当前全国服务业、工业、农业等都处在深度数字化转型历程当中，而中国作为拥有全世界最完整工业体系的国家，这其中蕴含的市场体量以及掘金机会自然不言而喻，因此企业数字化转型在未来也必定是各大科技公司兵家必争之地。根据有关机构预测，到 2025 年全球数字化转型市场规模将达到 3.9 万亿到 11.1 万亿，其中工业数字化转型市场规模可以达到 1.2 万亿到 3.7 万亿的规模。因此未来谁能够帮助制造业低成本、高质量地完成企业数字化转型，谁就能抓住这波企业数字化转型时代红利以及重塑未来高科技公司的竞争格局。

相比于互联网公司，笔者认为传统安防厂商更容易通过协助企业数字化转型来落地公司自身 AIOT 战略。为什么这么说？主要有两方面的原因。

1、技术积累充足

目前很多安防厂商在物联感知方面已经积累了丰富的技术储备以及实际场景应用，逐渐形成以可见光、毫米波、红外、X 光等领域为主，融合发展声、温、湿、压、磁等感知手段，完成构建全面而多维的感知技术平台，实现智能物联在感知层的技术支撑，也就是说 AIOT 的物联感知的基础已经建立起来了。另外经过多年的 AI 人工智能技术沉淀，已经形成以算法模型为基础，行业应用场景检测算法为支撑，实现以人、物、场景为对象的智能图像识别能力。同时在大数据处理、标注、清洗以及应用等方面也有一点的技术造诣。

2、行业场景丰富

很多安防厂商的业务范围已经涉及公安、交警、交通、政府、司法、工商企业、建筑、能源冶金、文教卫以及金融等多个行业场景，因此对于在各个行业中的业务有一定的理解和沉淀。虽然当前在各个行业中主要还是以安防业务为主，但是在未来进行 AIOT 落地数字化改造的过程中，可以此为切入点，将生产线异常产品检测、生产设备状态统一管理、管理系统数据破壁等包含到制造业 AIOT 智能物联解决方案中。因此，安防厂商的业务范围在各个行业当中不在局限于安防，而是要深入到具体的行业业务当中，甚至是 B 端客户产品制造当中去，深度参与企业数字化升级改造。

AIOT 在数字化转型中的作用

企业谋求数字化转型无非就是降本和增效两个核心目的，降本就是通过数字化的手段实现公司经营活动全面成本管理，提升产品生产效率，从而降低公司运营成本。而增效就是通过智能化手段实现按需生产、满足客户日益增长的智能化需求同时提升用户体验，从而增强公司产品的核心竞争力。

因此 AIOT 作为基础支撑技术，在企业数字化转型过程中的作用也是围绕着降本以及增效这两个核心目的展开的。通过引进 AIOT 解决方案，可以实现对于生产原材料的全链路数字化管理，避免出现原材料的浪费的问题，进一步降低生产成本。比如在化纤行业，通过对丝锭异常产品的智能检测，可以大大提高产品良品率，弥补人工检测的弊端，更快发现异常产品，从而进一步提升产品的整体生产效率，效率提高了，那么产品对应的单位成本就会降低。

因此，如上图所示，AIOT 智能物联网平台最核心的价值就是帮助工业、农业、服务业实现物联设备数字化、智能化，赋予曾经孤立的各类设备数字生命，同时利用设备产生的海量数据与企业业务数据进行深度融合，不断推进企业高效率低成本的运营，提升公司生产效率。

面临的挑战

在上文中我们主要分析了 IOT 为什么要结合 AI 才能发挥价值以及传统安防厂商为什么有机会可以通过助力中国企业数字化转型这一大的头部业务场景进行 AIOT 落地。虽然我们找到了企业数字化转型这一 AIOT 战略抓手，但是在实际落地的过程中会遇到各种各样的困难以及挑战，因为企业数字化进程中涉及到的行业众多，各个业务场景碎片化严重，物联网终端异构化现象普遍存在，各类系统数据难以共享共用，因此必定会带来各种各样的挑战。本文主要罗列了面临的四大挑战，这四大挑战也是安防厂商在成为 AIOT 头部厂商道路上必须需要解决以及攻克的。

架构挑战

随着云原生技术的普及、边缘计算技术的兴起，AIOT 智能物联网平台在部署形态以及架构演进层面都在发生着巨大变化。

传统的 IOT 项目正在从项目型本地私有部署模态逐渐向公有云部署模态迁移，通过托管运营的方式实现 B 端客户业务运营成本的降低。如此，B 端客户不再需要购买服务器，不再需要进行运维团队维护。但是对于一些数据安全性要求较高的 B 端客户，可以考虑将核心数据留在本地，非核心数据在公有云的混合部署方式。

在平台架构层面，相比传统的微服务架构，AIOT 智能物联网平台由于增加了感知层以及边缘端，因此整体的架构形态更加复杂。另外由于海量设备的接入，必定会带来整体平台业务规模越来越大、平台的分布式复杂度越来越高，对于研发人员的额外负担也会越来越多。因此传统的架构形态越来越不能满足 AIOT 智能物联网平台对于平台稳定性高、业务迭代速度快、开发接入成本低、扩展配置能力强的要求。因此基于以上原因，平台的整体架构逐渐向云原生架构进行演进。

对于云原生架构来说，它最大程度的从业务代码中剥离了非功能性能力到 IaaS 层以及 PaaS 层，因此研发人员可以将精力都投入在业务逻辑的开发当中，而类似高可用能力、容灾能力等等不是业务功能但是又十分重要的特性都由云原生基础设施来进行统一的管理，数据库、缓存、MQ 等中间件也都被云化为云原生基础服务，因此极大的减少了研发人员的平台关注范围，因此可以将研发人员从运维、存储、高可用等与业务逻辑无关的事务中解脱出来。同时还可以充分利用云原生架构在微服务快速部署、容器弹性伸缩等方面的优势，极大的提升软件部署交付效率。

虽然云原生架构有诸多好处，但是它依赖于企业拥有云原生基础设施建造能力，强大的云原生基础设施能力是以云原生架构构建 AIOT 智能物联网平台的基础。因此云原生架构对于后期的运维等都是巨大的挑战，技术团队、运维团队是否已经做好迎接挑战的准备，这是一个未知数。

安全风险

安全挑战分析

随着 AIOT 在各行各业不断深入推进，物联网设备在线数量与日俱增，根据 IoT Analytics 的预测，到 2025 年将有 300 亿台物联网设备。因此在 AIOT 飞速发展的同时也面临着严峻的安全挑战。特别是最近爆出来的某超级大国长期在我国进行完全渗透，窃取大量高价值数据的新闻，更加给大家敲响了警钟。任何一个 AIOT 的安全问题都可能造成不可挽回的巨大财产损失以及个人安全风险，甚至威胁国家安全，可见如何应对 AIOT 的安全风险是每个 AIOT 入局者都不得不面对的现实挑战。

与传统的互联网以及移动互联网不同，AIOT 的平台架构中涉及到大量的感知层以及边缘节点，也就是说平台需要接入大量不同类型的 IOT 设备，整个平台的触角延伸到更加广阔的空间，不再是传统的微服务架构或者硬件产品体系。因此 AIOT 平台面临的安全挑战也是和以前的平台有很大的差异。AIOT 平台安全问题主要可以分为如下三类：

1、设备资源种类繁多

AIOT 感知层以及边缘节点涉及到的物联设备种类繁多，各个设备的使用的芯片、系统版本、通信协议各不相同，因此在构建安全防护机制层面适配难度大，安全固件升级可能存在不及时的情况。

2、网络环境开放度高

在 AIOT 架构下，物联设备需要连接互联网，因此网络开放度相比传统硬件产品更高，因此面临的安全风险就会更大。

3、部署场景复杂多变

微服务架构的部署场景相对来说简单一些，服务都部署在服务器中，而服务器一般都在专属的机房当中，有专门的值守人员，服务器本身安全隐患相对来说比较可控。但是 IOT 物联设备部署环境比较复杂，可能在大街上、可能在矿井中、可能在边境上，常常暴露在无人看管的区域，因此给设备安全维护带来非常大的挑战，设备安全固件升级可能不够及时，另外还有被人为物理破坏的风险。

常见安全问题

1、弱密码

设备密码采用默认或者容易被猜测进行暴力破解的密码，很容易导致设备被非法访问。一些家庭摄像头使用默认密码或者使用了容易猜测的弱密码，最终导致家庭摄像头的画面被黑客在网络上进行售卖或者直播。

2、网络不安全

设备使用了不安全的网络服务，特别是暴露在毫无防护的互联网之上，很容易遭受远程攻击。

3、数据传输不安全

敏感数据在网络传输以及本地存储的时候未进行加密处理，导致数据被窃取使用。

4、系统不安全

设备接入的平台不安全，导致设备本身被攻击。

5、缺乏安全升级机制

木马病毒以及攻击手段都是日新月异，如果设备端不能及时更新安全防护或者根本缺乏安全升级机制，那么很容易被黑客利用已知漏洞进行攻击。

如何应对

1、隐私安全防护

对于用户信息的的采集需要复核所在国当地的安全法律法规，尽量做到最小化信息采集，同时进行数据安全防护，避免隐私数据被第三方使用。

2、传输存储加密

涉及到的敏感信息无论网络传输还是存储都必须进行信息加密，避免明文传输和存储，加密后的敏感信息可以有效防止攻击。

3、强制修改密码

首次使用的设备不允许使用默认密码必须强制修改密码， 同时对于设备密码进行安全等级校验，不允许存在弱密码。

4、远程升级能力

对于 IOT 物联设备必须具备远程在线 OTA 升级能力，同时支持对 OTA 升级的合法性进行校验，从而保证安全补丁能够及时且安全的升级到 IOT 设备中。

5、鉴权完全覆盖

无论对于 AIOT 平台对外提供的接口，还是 IOT 设备对外提供的能力都必须进行安全鉴权全覆盖。

产业赋能

问题分析

中国是世界第一制造业大国，我国制造业有 31 个大类、179 个中类和 609 个小类，是全球产业门类最齐全、产业体系最完整的制造业。全国各地分布着各种各样、门类丰富的产业带集群，有家电产业带集群、太阳能产业带集群、新能源汽车产业带集群、 厨具产业带集群、灯具照明产业带集群等等。而当前制造业都在追求数字化转型，以降低企业经营成本同时提高产品核心竞争力，因此助力制造业进行数字化转型升级、赋予制造业智能化业务价值具有广阔的市场前景以及迫切的市场需求。

诚如上文所说，我们可以借助于企业数字化转型来进行 AIOT 系统工程落地，同时以数据为核心，将工业产品制造中涉及到的供应链管理、产品研发、生产、装配、营销、物流等各个环节通过各类数据进行融合打通，形成制造业数字孪生，再结合人工智能技术，进行各个业务场景的模型训练，从而创造产品的智能化价值，这是我们落地 AIOT 的方向。

虽然数字化变革正在深刻重塑中国社会生产力，很多的传统行业因为插上了数字化的翅膀迈向了企业发展的新台阶，但是实际上当前制造业数字化进程相对于其他行业较为缓慢，主要有以下六方面的原因：

1、场景碎片化严重

制造业涉及到的业务场景以及环节碎片化现象严重，不同行业的制造业场景又各不相同，缺乏统一的平台可以将所有的碎片化场景进行融合贯通。

2、工厂设备多样化

制造业工厂中涉及的各类设备种类繁多，有机床类、PLC 类、传感器类、传送类等等，同时设备所使用的协议各不相同，包括 Modbus，OPC-UA、OPC-DA 以及各种驱动协议，可以说是多种多样。同时设备单点自动化程度较高与整体智能协同程度较低形成了鲜明的对比。

3、系统平台集成难

在整个制造业工厂管理中涉及到的管理软件系统主要包括 ERP、MES、CRM 等等，各个系统之间不能互联互通，数据难以综合利用，系统竖井化严重导致无法释放数字化价值，最终形成一个个数据孤岛。因此在企业数字化转型过程中，需要对竖井化严重的系统进行改造，打破系统之间的壁垒，实现数据共享共用。

4、涉及领域知识多

一个工业产品从研发到制造再到可以上架售卖以及售后服务，整个产品的生命周期中涉及到的人员众多、涉及到的领域知识纷繁复杂，因此对整个生命周期进行统一管理并不是一件容易的事情。

5、智能接入成本高

对于制造业工厂来说，他们希望时刻掌握设备运行健康状况，但是大量设备接入云端进行分析之后，其中的接入成本包含了服务器的购买成本、网络带宽成本、后期各类服务器运维成本以及智能终端开发成本这些都会增加制造业进行 AIOT 接入的成本，使得决策者常常望而却步。

6、设备智能灵活度不高

通常情况下设备一旦烧制完成，其所具备的业务能力就已固定，因此设备的智能灵活度不高，不具备智能扩展能力，限制了端侧设备智能化应用。

因此如果想扎实推荐 AIOT 在制造业中的落地，就必须要解决以上这六个问题。

如何应对

想要让 AIOT 赋能产业数字化转型，那么必须降低各个产业实现 AIOT 智能物联能力接入的成本，让云端的强大能力能够服务于 IOT 设备。从而实现高效率、低成本的 AIOT 能力接入。

让设备更加智能

如果在制造业新工厂建设期间，可以考虑将 AIOT 模组集成到生产设备当中，这样云端平台可以将云的各种能力下放到端侧设备当中，使得端侧设备可以根据实际场景的需要动态更新设备的智能化能力。

但是在一些已将投入生产的制造业工厂中，不太容易集成 AIOT 模组到产生设备中，此时可以考虑增加边缘智能节点设备，通过近场计算的方式实现各生产设备数据的汇总以及处理，边缘设备将预处理后的数据再传到云端进行各类模型训练。

企业级 AIOT 解决方案

为了进一步降低企业数字化转型过程中的 AIOT 解决方案接入成本，将来安防厂商向 B 端用户交付的可以是一整套完整的云端一体化 AIOT 平台企业级解决方案。针对不同行业、不同制造业，可以在安防云 AIOT 平台中直接创建对应符合行业特征的解决方案模板平台。每个解决方案对应的数据、存储、运维、计算以及智能分析都是相互隔离的。如此，B 端客户不再需要考虑服务器购入成本、运维成本，大大降低 AIOT 接入的难度和成本。

算力建设

AIOT 在未来各行各业在数字化转型阶段落地生根的过程中，必定会带来庞大的数据分析、人工智能模型训练以及数据预测等 AI 计算需求，未来 10 年人工智能的计算需求相比当下将增长 500 倍。因此安防厂商应该主导或者参与建设算力中心基础设施，积极参与国家东数西算工程。只有拥有了强大的 AI 计算能力，才能够真正的实现 AIOT 为各行各业数字化升级改造提供基础计算服务，创造更大的数字化业务价值。在未来，算力中心可以不仅为安防厂商提供 AI 算力支撑，还可以为千行百业数字化转型提供强有力的算力支撑，另外由于提供底层的算力支撑，安防厂商可以更加方便向合作伙伴推广自己的 AI 预训练大模型。

在不久的将来，算力资源也会像水电煤一样成为社会运营的基础设施。但是目前各个算力中心相对独立，算力中心中跑的数据格式并不统一，相关接口不能相互兼容。因此要想真正将各个算力中心连接成算力网络，必须在运算数据的格式上、在调用接口的兼容性上、在硬件设备的制造上建立相对统一的标准。

总结

未来 10 年 AIOT 将集中爆发业务潜力，它将化有形为无形，将来大家看到的都是 AIOT 带来的业务价值而不是 AIOT 本身。在笔者看来泛安防并不是安防公司的终局目标，对于一些头部安防玩家来说，安防业务应该只是未来公司业务版图中的一部分，积极拥抱服务业、工业以及农业数字化转型才是未来公司业务实现长期增长的关键所在。因此传统安防厂商应该以安防业务作为支点，打破安防业务领域边界限制，对用户进行品牌能力再教育，在企业数字化转型升级浪潮中深耕细作，助力 AIOT 技术成为像水电煤一样的未来经济体的新型基础设施，从而推动传统实体经济迈向数字化、智能化，如此才能成为中国企业数字化转型的赋能者， 领导者。